图像质量评价可以为图像算法性能的评估、图像处理系统的优化提供重要的指标和依据。无参考图像质量评价是指在没有原始图像对比的情况下,准确地评价任何图像的视觉质量。本文针对无参考图像质量评价及其在去噪算法中的应用这一课题,进行了深入的研究。本文的研究内容可以概括为以下三点:(1)针对图像颜色分量中的失真信息,本文研究了图像在HSV颜色空间的表达,设计了基于色调分量和灰度信息的CNN模型,能更好地提取图像中的失真信息。(2)通过对人类视觉系统的研究,发现人类对图像显著区域的失真更为敏感,因此,提出了基于视觉显著性的无参考图像质量评价方法。在标准数据库进行实验,证实该方法预测的客观质量与人类主观感知质量有较高的一致性。针对混合失真图像质量评价问题,我们对基于单一失真图像训练的CNN模型进行微调,极大地提高了该模型预测混合失真图像质量的准确率。(3)针对无参考图像质量评价在图像处理系统中的实际应用问题,我们将基于CNN的图像质量评价模型嵌入图像去噪算法中,为其参数选择提供有力的依据,实现参数优化的效果。实验结果表明,基于CNN的无参考图像质量评价方法能准确地评价去噪过程中图像质量。因此,我们提出了基于无参考图像质量评价的参数选择框架,该框架以图像质量为依据对去噪算法进行参数优化,提高了算法性能。